平均法
提高销售技巧--成功的平均法
一个合格的经销商,首先必须学会成功的行销自己.注重自身的品行修养及素质的提升,端正心态,要有勇气去面对拒绝与挑战,克服自卑心理,获取人生的成功.无论言谈、举止、仪表、精神面貌都是相当重要的. 冷静的头脑、出众的仪表、清晰的表达能力还要加上我们热情、真诚、兴奋的服务态度.
在我们这个行业中,没有所谓产品的概念,无所谓产品好卖与不好卖.绝大多数顾客购买的并非是我们的产品而是我们的态度与价格.关键点在于我们有没有营造出顾客对我们本身的认同感.因为顾客购买的是我们的兴奋度,无所谓买的是什么产品,仅管大多数顾客并不明白这个道理.
平均法就是教你每天不停地向300人进行推销,这是个数字游戏,也是我们赖以致胜的成功法宝.尽管,你未必能完全做到,但只要努力向这个目标推进,努力实施平均法,那么你一定非常努力工作的,你的业绩也一定会突飞猛进的. 平均法的威力是相当巨大的.在推广层面上,我们可以不断地向大小公司、商场、酒店、店铺、住宅、行人、麦当劳、办公室等进行推销;在接触人物方面,我们会遇到形形色色的各种人员,大部分的拒绝者给我们绝佳的成长机会,我们从他们的拒绝中不断的提升我们的语言表达能力、组织能力、心里承受能力及随机应变能力.如果见的顾客少了,得到锻炼的机会也就少了,成长也就慢了,你也就会以更长的时间达成目标,更糟糕的是,成长太慢,你就
会变得惰性十足,变成老油条,直至掉队离群.鼓足干劲,切实努力地去推行平均法吧. 最后我们必须明白，人的成功是靠自己改变，不是靠别人的改变。而且成功是要付出代价的，只是要付出到成功为止。但如果失败，将会付出一生的代价。成功是没有定义的，一个人能说出：“我成功过，我失败过，但我从未放弃过。”就已经算是成功了。真正的成功是你自己内心的意识形态。只要大家按上面的步骤将自己所销售产品的过程进行分解，进行反复练习，我相信就能做好一个终端营销员。刚做销售的人员大都心情紧张，对顾客十分畏惧，此时的唯一销售法宝就是要多练习，忽略销售对象，背诵销售的五步八点，背得流利了，树立起了自己的信心，就可能实现销售。
当你了解了成功销售的五步八点后,就要有自我表现欲.懂得利用对方心理和销售技巧后,就要开始使用自己的主观思维制造气氛，使对方在自己的安排下实现销售目的。有非常强的自我表现能力的人，要了解对方的欲望。使对方在自己的强烈感染下实行销售。
移动平均法简单应用
移动平均法 移动平均法是一种简单平滑预测技术，它的基本思想是：根据时间序列资料、逐项推移，依次计算包含一定项数的序时平均值，以反映长期趋势的方法。因此，当时间序列的数值由于受周期变动和随机波动的影响，起伏较大，不易显示出事件的发展趋势时，使用移动平均法可以消除这些因素的影响，显示出事件的发展方向与趋势（即趋势线），然后依趋势线分析预测序列的长期趋势。 1. 移动平均法的基本理论①简单移动平均法 设有一时间序列，则按数据点的顺序逐点推移求出N个数的平均数，即可得到一次移动平均数： 式中为第t周期的一次移动平均数；为第t周期的观测值；N为移动平均的项数，即求每一移动平均数使用的观察值的个数。 这个公式表明当t向前移动一个时期，就增加一个新近数据，去掉一个远期数据，得到一个新的平均数。由于它不断地“吐故纳新”，逐期向前移动，所以称为移动平均法。 由于移动平均可以平滑数据，消除周期变动和不规则变动的影响，使得长期趋势显示出来，因而可以用于预测。其预测公式为： 即以第t周期的一次移动平均数作为第t+1周期的预测值。 ②趋势移动平均法当时间序列没有明显的趋势变动时，使用一次移动平均就能够准确地反映实际情况，直接用第t周期的一次移动平均数就可预测第t+1周期之值。但当时间序列出现线性变动趋势时，用一次移动平均数来预测就会出现滞后偏差。因此，需要进行修正，修正的方法是在一次移动平均的基础上再做二次移动平均，利用移动平均滞后偏差的规律找出曲线的发展方向和发展趋势，然后才建立直线趋势的预测模型。故称为趋势移动平均法。 设一次移动平均数为，则二次移动平均数的计算公式为： 再设时间序列从某时期开始具有直线趋势，且认为未来时期亦按此直线趋势变化，则可设此直线趋势预测模型为： 式中t为当前时期数；T为由当前0时期数t到预测期的时期数，即t以后模型外推 的时间；为第t+T期的预测值；为截距；为斜率。，又称为平滑系数。
3移动平均法
第二节移动平均法 移动平均法是根据时间序列资料，逐项推移，依次计算包含二定项数的序时平均数，以反映长期趋势的方法。当时间序列的数值由于受周期变动和不规则变动的影响，起伏较大，不易显示出发展趋势时，可用移动平均法，消除这些因素的影响，分析，预测序列的长期趋势。 移动平均法有简单移动平均法，加权移动平均法，趋势移动平均法，分别介绍如下： 一简单移动平均法 设时间序列为Y1，Y2，……YT……；简单移动平均法公式为： 式中:Mt为t期移动平均数;N为移动平均数的项数. 这公式表明:当T向前移动一个时期,就增加一个新近数据,去掉一个远期数据,得到一个新的平均数. ∴t-1+ M t=M t-1 这是它的递堆公式。当N较大时，利用递堆公式可以大大减少计算量。 由于移动平均可以平滑数据，消除周期变动和不规则变动的影响使长期趋势显示出来，因而可以用于预测： 预测公式为：y t+1＝M t 即以第t期移动平均数作为第t+1期的预测值。 例1：某市汽车配件销售公司，某年1月至12月的化油器销量如表4－1所示。试用简单移动平均法，预测下年1月的销售量。 解：分别取N＝3和N＝5按列预公式 y t = y t+1= 计算3个月和5个月移动平均预测值，其结果如表： y t-y t-N y t-y t-N ^ ^ y t+y t-1+y t-2 3 y t+y t-1+y t-2+y t-3+y t-4 ^ 5
1002003004005006001 2 3 4 5 6 7 8 9101112 实际销售量3个月移动平均预测值 5个月移动平均预测值 由图可以看出，实际销售量的随机波动比较大，经过移动平均法计算以后，随即波动显著减小，即消除随机干扰。而且求取平均值所用的月数越多，即N 越大，修匀的程度也越大，波动也越小。但是，在这种情况下，对实际销售量真实的变化趋势反应也越迟钝。 反之，如果N 取的越小，对销售量真实变化趋势反应越灵敏，但修匀性越差，从而把随机干扰作为趋势反映出来。 因此，N 的选择甚为重要，N 应取多大，应根据具体情况作出抉择，当N 等于周期变动的周期时，则可消除周期变动影响。 在实用上，一个有效的方法是：取几个N 值进行试算，比较它们的平均预测误差，从中选择最优的。 如：在本例中，要确定化油器销售量预测，究竟是取3合适还是取5合适，可通过计算这两个预测公式的均方误差MSE ，选择MSE 较小的那个N 。
加权平均 和 移动平均法
加权平均 统计学名词． “统计初步”这部分内容中，平均数是一个非常重要而又有广泛用途的概念，在日常生活中，我们经常会听到这样一些名词：平均气温、平均降雨量、平均产量、人均年收入等；而平均分数、平均年龄、平均身高等名词更为同学们所熟悉.一般来说，平均数反映了一组数据的一般水平，利用平均数，可以从横向和纵向两个方面对事物进行分析比较，从而得出结论.例如，要想比较同一年级的两个班同学学习成绩，如果用每个班的总成绩进行比较，会由于班级人数不同，而使比较失去真正意义.但是如果用平均分数去比较，就可以把各班的平均水平呈现出来.从纵向的角度来看，可以对同一个事物在不同的时间内的情况利用平均数反映出来，例如，通过两个不同时间人均年收入来比较人们生活水平、经济发展等状况. 但是，当一组数据中的某些数重复出现几次时，那么它们的平均数的表示形式发生了一定的变化.例如，某人射击十次，其中二次射中10环，三次射中8环，四次射中7环，一次射中9环，那么他平均射中的环数为: （10 *2+8*3+7*4+9*1）/10 = 8.1 这里，7，8，9，10这四个数是射击者射中的几个不同环数，但它们出现的频数不同，分别为4，3，l，2，数据的频数越大，表明它对整组数据的平均数影响越大，实际上，频数起着权衡数据的作用，称之为权数或权重，上面的平均数称为加权平均数，不难看出，各个数据的权重之和恰为10. 在加权平均数中，除了一组数据中某一个数的频数称为权重外，权重还有更广泛的含义. 在评估某个同学一学期的学生成绩时，一般不只看他期末的一次成绩，而是将平时测验、期中考试等成绩综合起来考虑，比如说，一同学两次单元测验的成绩分别为88，90，期中的考试成绩为92，而期末的考试成绩为85，如果简单地计算这四个成绩的平均数，即将平时测验与期中、期末考试成绩同等看待，就忽视了期末考试的重要性.鉴于这种考虑，我们往往将这四个成绩分配以不同的权重。 由于10％＋10％＋30％＋50％=1，即各个权重之和为1，所以求加权平均数的式子中分母为1．下面的例子是未知权重的情况： 股票A，1000股，价格10； 股票B，2000股，价格15； 算数平均 = (10 + 15) / 2 = 12.5； 加权平均 = (10 x 1000 + 15 x 2000) / (1000 + 2000) = 13.33 其实，在每一个数的权数相同的情况下，加权平均值就等于算数平均值。 此外在一些体育比赛项目中，也要用到权重的思想.比如在跳水比赛中，每个运动员除完成规定动作外，还要完成一定数量的自选动作，而自选动作的难度是不同的，两位选手由于所选动作的难度系数不
移动平均法案例
移动平均法。该方法是根据时间数列的各期数值作出非直线长期趋势线的一种比 较简单的方法，连续地求其平均值，再计算相邻两期平均值的变动趋势，然后计算平均发展趋势，进行预测。例 某公司1997年1～12月销售额的统计资料如表7-1所示，用移动平均法预测1998年1月的销售额。 第一步，计算相邻五个月的销售额平均数(按多少期计算平均数，要根据具体情况而定，期数少，则反映波动比较灵敏，但预测误差大；期数多，则反映波动平滑，预测较为精确)。如1～5月销售额的平均值为： 8.355 41 343734331=++++= X 依次类推：求出,,...,,,8432X X X X 并填入表中。 第二步，计算相邻两个平均值的差，该差称为平均值的变动趋势，如1X 与2X 之差为： 38—35.8＝2.2依此类推，计算变动趋势值，填入表中。 第三步，计算相邻四期变化趋势之平均值，称为四期平均发展趋势，如前四期变动趋势的平均值为：(2.2+3.2+1.8+2.6)÷4=2.45依此类推，将数字填人表中。 第四步，预测1998年1月的销售额，最后5个月的平均月销售额为49万元，加上最后一期平均发展趋势1.5万元，所以1998年1月的预测值为： 49+3ⅹ1.5＝53.5(万元) (其中3ⅹ1.5，是因为预测期距平均月销售额为3个月，所以需要乘以3)。 季节性波动分析。当产品的市场需求呈明显的季节性波动时，用平均法进行销售 预测就不能正确地反映销售量的波动。要用计算季节指数的办法来预测季节性波动。 例 某地区涤棉府绸三年内各个季节的市场销售量如表6.2所示。 从表6.2中很明显地可以看出，涤棉府绸的销售量淡季与旺季相差近一倍左右。如果简单地用移动平均来预测某一个季节的市场需要，就不符合实际情况，这就可以用季节指数进行预测。其计算方法如下：
移动平均法简单应用
. 移动平均法 移动平均法是一种简单平滑预测技术，它的基本思想是：根据时间序列资料、逐项推移，依次计算包含一定项数的序时平均值，以反映长期趋势的方法。因此，当时间序列的数值由于受周期变动和随机波动的影响，起伏较大，不易显示出事件的发展趋势时，使用移动平均法可以消除这些因素的影响，显示出事件的发展方向与趋势（即趋势线），然后依趋势线分析预测序列的长期趋势。 1. 移动平均法的基本理论①简单移动平均法 设有一时间序列，则按数据点的顺序逐点推移求出N个数的平均数，即可得到一次移动平均数： 为第t周期的一次移动平均数；为第式中t周期的观测值；N为移动平均的项数， 即求每一移动平均数使用的观察值的个数。 这个公式表明当t向前移动一个时期，就增加一个新近数据，去掉一个远期数据，得到一个新的平均数。由于它不断地“吐故纳新”，逐期向前移动，所以称为移动平均法。 由于移动平均可以平滑数据，消除周期变动和不规则变动的影响，使得长期趋势显示出来，因而可以用于预测。其预测公式为： 即以第t周期的一次移动平均数作为第t+1周期的预测值。 ②趋势移动平均法当时间序列没有明显的趋势变动时，使用一次移动平均就能够准确地反映实际情况，直接用第t周期的一次移动平均数就可预测第t+1周期之值。但当时间序列出现线性变动趋势时，用一次移动平均数来预测就会出现滞后偏差。因此，需要进行修正，修正的方法是在一次移动平均的基础上再做二次移动平均，利用移动平均滞后偏差的规律找出曲线的发展方向和发展趋势，然后才建立直线趋势的预测模型。故称为趋势移动平均法。 设一次移动平均数为，则二次移动平均数的计算公式为：
从某时期开始具有直线趋势，且认为未来时期亦按此直再设时间序列 线趋势变化，则可设此直线趋势预测模型为： 式中t为当前时期数；T为由当前0时期数t到预测期的时期数，即t以后模型外推的时 间；为第t+T期的预测值；为截距；为斜率。，又称为平滑系数。 文档资料Word . 的计算公式为：根据移动平均值可得截距和斜率 的选择十分关键，它取决于预测目标和实际在实际应用移动平均法时，移动平均项数N 数据的变化规律。 2. 应用举例年该商场的年销售额。1998年的年销售额如下表所示，试预测1999已知某商场1978～ 销售额销售额年份年份 76 1989 32 1978 73 1979 41 1990 48 1980 79 1991 1992 53 1981 84
移动平均法
移动平均法 ② 移动平均法 通过对时间数列相邻各项求平均数作为趋势值或预测值的平滑或预测方法，称为移动平均法。它具体可分为简单移动平均法和加权移动平均法。 a.简单移动平均法 简单移动平均法是将最近的K期数据加以平均，作为移动中项的趋势测定值。 设移动时期项数为k，则第t期的移动平均值为： 注意：当k取奇数或偶数的不同形式时，处理方法有区别。对于k取奇数时，可直接运用公式（3·21）即可；当k取偶数时，要在第一次对原数列作移动平均后，对所得新数列再做一次相邻两项的移动平均，这样才能完成中心化。 例13：下表是1991-2000年我国的原煤产量数据，计算移动项数k=3,k=4时的反映趋势变动的新数列。 表3-16 我国1991-2000年原煤产量数据 年份19911992199319941995 产量（亿吨）10.8711.1611.5012.4013.61年份19961997199819992000 产量（亿吨）13.9713.3712.5010.459.98 解：k=3时，移动项数为奇数，根据公式（3·21）得到
依此类推，最终结果汇集在表3-17中 当k=4时，移动项数为偶数，要移动两次，第一次移动运用公式（3·21）得到： 依此类推可得到表中第四列k＝4时的第一次移动平均。这时求出的移动平均数还不能作为趋势值，因为他们代表的时期不明确。因此要计算二次移动平均值来代表第三期的长期趋势，即进行中心化。 第二步，对k=4时的第一次移动平均的结果（第四列）进行中心化处理。 依此类推得到表3-17的第五列。 从表3-17的计算结果看，我国的原煤产量经历了先高后低的发展态势。 b.加权移动平均法 加权移动平均法是对各期指标值进行加权后计算移动平均数。在使用加权移动平均法时，一般计算奇数项加权移动数，各期权数以二项展开式为计算基础，使得中项时期指标值的权数最大，两
移动平均法
实验二 ：移动平均法在 Excel 中的实现 一、实验过程描述 1. 录入实验数据 打开 EXCLE 程序，录入题目数据， A 列为月份， B 列为销售额。录入后如下图所示： 2. 移动平均法的计算 M t y t y t 1 y t N 1 ； y t 1 M t ； 根据移动平均法的公式： N 误差： 2 y ? /项数 y 在 EXCEL 中进行如下操作： (1)三年移动平均法的计算 C 列存放三年移动平均法求出的数值， D 列存放三年移动平均法的误差， 由 于是三年移动平均，所以从第四年开始才有预测值，在 C5 单元格中输入移动平 均法的公式“ =SUM(B2:B4)/3 ”，在 D5 单元格中输入误差公式 “=(B5-C5)*(B5-C5) ”， 如下图所示：
将这两列分别下拉，向下复制计算出各个月份的预测值和误差，如下图所示; (2)五年移动平均法的计算 E 列存放五年移动平均法求出的数值， F 列存放五年移动平均法的误差，由于是五年移动平均，所以从第六年开始才有预测值，在E7 单元格中输入移动平均法的公式“ =AVERAGE(B2:B6) ”，在 F7 单元格中输入误差公式“=(B7- E7)^2 ”，如下图所示：
将这两列分别下拉，向下复制计算出各个月份的预测值和误差，如下图所示;（ 3）比较两种计算方法的误差
根据误差公式：y y 2分别在 D13和 F13 单元格中求出三年、 ?， 五年移动平均法的平均误差。在D13 单元格中输入”=AVERAGE(D5:D12) ”，在F13 中输入“ =AVERAGE(F7:F12) ”，如下图所示： 由于平均误差 3005.833,<6385.667,因此五项移动平均比三项移动平均好。 3.绘出移动平均法的图形： 点击工具菜单中的插入——图表，选择折线图中的数据点折线图，如下所示：
移动平均法
实验二 ：移动平均法在Excel 中的实现 一、实验过程描述 1. 录入实验数据 打开EXCLE 程序，录入题目数据，A 列为月份，B 列为销售额。录入后如下图所示： 2.移动平均法的计算 根据移动平均法的公式： N y y y M 1 N t 1t t t +--+++= ；t 1t M y =+ ； 误差：()项数/?2 y y ∑- 在EXCEL 中进行如下操作： (1)三年移动平均法的计算 C 列存放三年移动平均法求出的数值， D 列存放三年移动平均法的误差，由于是三年移动平均，所以从第四年开始才有预测值，在C5单元格中输入移动平均法的公式“=SUM(B2:B4)/3”，在D5单元格中输入误差公式“=(B5-C5)*(B5-C5)”，如下图所示：
将这两列分别下拉，向下复制计算出各个月份的预测值和误差，如下图所示; (2)五年移动平均法的计算 E列存放五年移动平均法求出的数值，F列存放五年移动平均法的误差，由于是五年移动平均，所以从第六年开始才有预测值，在E7单元格中输入移动平均法的公式“=A VERAGE(B2:B6)”，在F7单元格中输入误差公式“=(B7-E7)^2”，如下图所示：
将这两列分别下拉，向下复制计算出各个月份的预测值和误差，如下图所示; （3）比较两种计算方法的误差
根据误差公式：()项数/?2 y y ∑-， 分别在D13和F13单元格中求出三年、 五年移动平均法的平均误差。在D13单元格中输入”=A VERAGE(D5:D12)”，在 F13中输入“=A VERAGE(F7:F12)”，如下图所示： 由于平均误差3005.833,<6385.667,因此五项移动平均比三项移动平均好。 3.绘出移动平均法的图形： 点击工具菜单中的插入——图表，选择折线图中的数据点折线图，如下所示：
移动平均法简单应用
移动平均法 移动平均法就是一种简单平滑预测技术，它得基本思想就是：根据时间序列资料、逐项推移，依次计算包含一定项数得序时平均值，以反映长期趋势得方法。因此，当时间序列得数值由于受周期变动与随机波动得影响，起伏较大，不易显示出事件得发展趋势时，使用移动平均法可以消除这些因素得影响，显示出事件得发展方向与趋势（即趋势线），然后依趋势线分析预测序列得长期趋势。 1、移动平均法得基本理论①简单移动平均法 设有一时间序列，则按数据点得顺序逐点推移求出N个数得平均数，即可得到一次移动平均数： 式中为第t周期得一次移动平均数；为第t周期得观测值；N为移动平均得项数，即求每一移动平均数使用得观察值得个数。 这个公式表明当t向前移动一个时期，就增加一个新近数据，去掉一个远期数据，得到一个新得平均数。由于它不断地“吐故纳新”，逐期向前移动，所以称为移动平均法。 由于移动平均可以平滑数据，消除周期变动与不规则变动得影响，使得长期趋势显示出来，因而可以用于预测。其预测公式为： 即以第t周期得一次移动平均数作为第t+1周期得预测值。 ②趋势移动平均法当时间序列没有明显得趋势变动时，使用一次移动平均就能够准确地反映实际情况，直接用第t周期得一次移动平均数就可预测第t+1周期之值。但当时间序列出现线性变动趋势时，用一次移动平均数来预测就会出现滞后偏差。因此，需要进行修正，修正得方法就是在一次移动平均得基础上再做二次移动平均，利用移动平均滞后偏差得规律找出曲线得发展方向与发展趋势，然后才建立直线趋势得预测模型。故称为趋势移动平均法。 设一次移动平均数为，则二次移动平均数得计算公式为： 再设时间序列从某时期开始具有直线趋势，且认为未来时期亦按此直线趋势变化，则可设此直线趋势预测模型为： 式中t为当前时期数；T为由当前0时期数t到预测期得时期数，即t以后模型外推得时间；为第t+T期得预测值；为截距；为斜率。，又称为平滑系数。
移动平均法
实验二 ：移动平均法在Excel 中得实现 一、 实验过程描述 1. 录入实验数据 打开EXCLE 程序，录入题目数据，A 列为月份，B 列为销售额。录入后如下图所示： 2、移动平均法得计算 根据移动平均法得公式： N y y y M 1N t 1t t t +--+++=Λ；t 1t M y =+)； 误差： ()项数/?2y y ∑- 在EXCEL 中进行如下操作： (1)三年移动平均法得计算 C 列存放三年移动平均法求出得数值， D 列存放三年移动平均法得误差，由于就是三年移动平均，所以从第四年开始才有预测值，在C5单元格中输入移动平均法得公式 “=SUM(B2:B4)/3”，在D5单元格中输入误差公式“=(B5-C5)*(B5-C5)”，如下图所示：
将这两列分别下拉，向下复制计算出各个月份得预测值与误差，如下图所示; (2)五年移动平均法得计算 E列存放五年移动平均法求出得数值，F列存放五年移动平均法得误差，由于就是五年移动平均，所以从第六年开始才有预测值，在E7单元格中输入移动平均法得公式“=A VERAGE(B2:B6)”，在F7单元格中输入误差公式“=(B7-E7)^2”，如下图所示：
将这两列分别下拉，向下复制计算出各个月份得预测值与误差，如下图所示; （3）比较两种计算方法得误差 根据误差公式：()项数/?2 y y ∑-，分别在D13与F13单元格中求出三年、 五年移动平均法得平均误差。在D13单元格中输入” =A VERAGE(D5:D12)”，在F13中输入“=A VERAGE(F7:F12)”，如下图所示：
移动平均法
移动平均法（moving average method）是根据时间序列，逐项推移，依次计算包含一定项数的序时平均数，以此进行预测的方法。移动平均法包括一次移动平均法、加权移动平均法和二次移动平均法。 一、简单移动平均法 简单移动平均的各元素的权重都相等。简单的移动平均的计算公式如下： Ft=(At-1+At-2+At-3+…+At-n)/n 式中，Ft--对下一期的预测值； n--移动平均的时期个数； At-1--前期实际值； At-2,At-3和At-n分别表示前两期、前三期直至前n期的实际值。 二、加权移动平均法 加权移动平均给固定跨越期限内的每个变量值以不相等的权重。其原理是：历史各期产品需求的数据信息对预测未来期内的需求量的作用是不一样的。除了以n为周期的周期性变化外，远离目标期的变量值的影响力相对较低，故应给予较低的权重。 加权移动平均法的计算公式如下： Ft=w1At-1+w2At-2+w3At-3+…+wnAt-n 式中，w1--第t-1期实际销售额的权重； w2--第t-2期实际销售额的权重； wn--第t-n期实际销售额的权重； n--预测的时期数； w1+ w2+…+ wn=1 在运用加权平均法时，权重的选择是一个应该注意的问题。经验法和试算法是选择权重的最简单的方法。一般而言，最近期的数据最能预示未来的情况，因而权重应大些。例如，根据前一个月的利润和生产能力比起根据前几个月能更好的估测下个月的利润和生产能力。但是，如果数据是季节性的，则权重也应是季节性的 存在问题
1、 加大移动平均法的期数（即加大n 值）会使平滑波动效果更好，但会使预测值对 数据实际变动更不敏感； 2、 移动平均值并不能总是很好地反映出趋势。由于是平均值，预测值总是停留在过 去的水平上而无法预计会导致将来更高或更低的波动； 3、 移动平均法要由大量的过去数据的记录； 4、它通过引进愈来愈期的新数据，不断修改平均值，以之作为预测值。 移动平均法的基本原理，是通过移动平均消除时间序列中的不规则变动和其他变动，从 而揭示出时间序列的长期趋势。 tv_id ewma_weight ewma_mean_long ni_he_2 ni_he_3 ni_he_4 移动加权平均 移动平均 2阶拟合 3阶拟合 4阶拟合 均值 0.048579221 0.057055492 0.071869453 0.072523803 0.096995046 分类：国内 tv_id ewma_weight ewma_mea n_long ni_he_2 ni_he_3 ni_he_4 均值 0.049062672 0.058116996 0.074038375 0.073892726 0.099433 015 分类：国外 tv_id ewma_weight ewma_mea n_long ni_he_2 ni_he_3 ni_he_4 均值 0.075527384 0.082124295 0.106712952 0.149349154 0.219283825